学习笔记——贝叶斯分类器(V)贝叶斯网络"/>
机器学习笔记——贝叶斯分类器(V)贝叶斯网络
概念
贝叶斯网络(Bayesian network),又称“信念网络”(belief network),它借助于有向无环图(Directed Acyclic Graph)来刻画属性之间的依赖关系。并且使用条件概率表来描述属性的联合概率分布。
组成
一个贝叶斯网络 B 由结构
其中:
B 代表贝叶斯网络
Θ 定量描述这种依赖关系,假设属性 xi 在 G 中的父节点集为
结构
贝叶斯网络结构有效地表达了属性间的条件独立性。给定父结点集合,贝叶斯网络假设每个属性与它的非后裔属性独立,于是 B=⟨G,Θ⟩ 将 x1,x2,…,xd 的联合概率分布定义为:
几种常见贝叶斯网络
注:
a 和
同父结构
给定 x1 的取值,则 x3 和 x4 条件独立。
x1 的取值未知,则 x3 和 x4 不独立。
V型结构
给定子结点 x4 的取值, x1 和 x2 必不独立。
但是在 x4 的取值完全未知的时候, x1 和 x2 相互独立。
顺序结构
给定 x 的值,则
更多推荐
机器学习笔记——贝叶斯分类器(V)贝叶斯网络
发布评论